GLM vs DeepSeek-V4-Pro は、すでにオープンウェイトを使うと決めている人にとって最も重要な比較です。どちらもホスト型APIではなくオープンウェイトの世界の出身なので、選択の軸は所有権やデータの所在ではなく、純粋にどちらが仕事をうまくこなすか、そしてそれぞれの強みがどこにあるかです。
両モデルにスコアがある16の公表評価のうち、GLM-5.2 が13項目、DeepSeek-V4-Pro が2項目を獲得し、1項目はぴったり引き分けです。当サイトの他ページと同様、数値はモデル開発元が公表した結果であり、チップはその数値に対する算術です。glmmodel.com はこれらの評価を実施していません。
この比較では GLM-5.2 が16項目中13項目を取り、明確にリードしています。コーディングのブロックは完勝で、差が非常に大きい項目もあります。DeepSWE が46.2 対 8.0、FrontierSWE Dominance が74.4 対 29.0、ProgramBench が63.7 対 47.8、Terminal-Bench 2.1 が81.0 対 64.0。DeepSeek-V4-Pro の2勝も偶然ではないので知っておく価値があります。Tool-Decathlon の52.8 対 48.2 は、エージェントのツール利用で GLM-5.2 を上回る数少ない項目の1つであり、HMMT Feb. 2026 の95.2 対 92.5 は本物の競技数学の強さを示しています。HMMT Nov. 2025 は94.4 で引き分けです。
これはオープン対オープンの比較なので、いつものオープン性の論点はおおむね相殺され、下の表もそれを正直に反映しています。相殺されないのは、公表された文脈ウィンドウと明示的な推論強度の制御です。どちらもGLMモデルについては文書化されていますが、DeepSeek-V4-Pro の公表比較対象には含まれていません。
| 項目 | GLM-5.2 | DeepSeek-V4-Pro |
|---|---|---|
| 文脈ウィンドウ | 1,000,000 トークン | 未公表 |
| オープン性 | オープンウェイト | オープンウェイト系 |
| ライセンス | MIT ライセンス | ベンダーのリリース条件を参照 |
| 推論強度の制御 | 明示的 — Non-Thinking、High、Max | 未公表 |
| セルフホスティング | 可 — transformers、vLLM、SGLang、xLLM、ktransformers | ベンダー依存 |
コーディングと長時間タスクのブロックでは GLM-5.2 が6項目すべてを取り、タスクが長くなるほど差が広がります。Terminal-Bench での9ポイント差は、FrontierSWE Dominance では45ポイント差になります。推論のブロックはより接戦です。GLM-5.2 が HLE、ツールありの HLE、CritPt、AIME 2026、IMOAnswerBench、GPQA-Diamond を取り、DeepSeek が HMMT Feb. 2026 と Tool-Decathlon を取り、HMMT Nov. 2025 は両者まったく同じスコアになりました。この同点は、こうした表の読み方を思い出させてくれます。同じベンチマークで94.4 を取った2つのモデルは同等のモデルなのではなく、飽和した1つの評価でたまたま収束した2つのモデルにすぎません。両者を分けるのは天井から遠い項目であり、このページではほぼ長時間コーディングのブロックがそれに当たります。
| ベンチマーク | GLM-5.2 | DeepSeek-V4-Pro | 勝者 |
|---|---|---|---|
| コーディングと長時間タスク | |||
| FrontierSWE Dominance | 74.4 | 29.0 | GLM-5.2 |
| SWE-bench Pro | 62.1 | 55.4 | GLM-5.2 |
| NL2Repo | 48.9 | 35.5 | GLM-5.2 |
| ProgramBench | 63.7 | 47.8 | GLM-5.2 |
| DeepSWE | 46.2 | 8.0 | GLM-5.2 |
| Terminal-Bench 2.1 (Terminus-2) | 81.0 | 64.0 | GLM-5.2 |
| 推論とエージェント | |||
| MCP-Atlas (public set) | 76.8 | 73.6 | GLM-5.2 |
| Tool-Decathlon | 48.2 | 52.8 | DeepSeek-V4-Pro |
| HLE | 40.5 | 37.7 | GLM-5.2 |
| HLE w/ Tools | 54.7 | 48.2 | GLM-5.2 |
| CritPt | 20.9 | 12.9 | GLM-5.2 |
| AIME 2026 | 99.2 | 94.6 | GLM-5.2 |
| HMMT Nov. 2025 | 94.4 | 94.4 | 引き分け |
| HMMT Feb. 2026 | 92.5 | 95.2 | DeepSeek-V4-Pro |
| IMOAnswerBench | 91.0 | 89.8 | GLM-5.2 |
| GPQA-Diamond | 91.2 | 90.1 | GLM-5.2 |
* フルセットでのスコア。
このページの数値はすべてモデル開発元が公表した結果です。glmmodel.com はそれを掲載しているだけで、これらの評価を自ら実施してはいません。
17件のGLMベンチマークをすべて詳しく見る →オープンウェイトでのエージェント型エンジニアリングについては、公表データに議論の余地はあまりありません。GLM-5.2 は DeepSeek のスコアが存在するコーディングと長時間タスクの項目をすべて制し、さらに MIT ライセンスの上に公表された1,000,000トークンの文脈ウィンドウと明示的な推論強度を加えています。
DeepSeek-V4-Pro がここで取った2項目は、ノイズではなく本物の強みを示しています。この比較対象の中で Tool-Decathlon において GLM-5.2 を上回る唯一のモデルであり、HMMT Feb. 2026 の競技数学の結果も2者中では上です。どちらも範囲は狭いものの、自分のワークロードで試してみる本物の理由になります。
GLMモデルのベンチマークを読んだら、実際のモデルを動かしてみてください。上のプレイグラウンドは無料で、何の登録も必要ありません。より本格的なAIツールが必要なら、パートナーの無料プランをどうぞ。